Professional Documents
Culture Documents
Fig. 3.7.1 (a) Circuito RLC; (b) Entrada-Salida del circuito RLC
Se toma uve(t) como seal de entrada al sistema y la tensin vr(t) sobre el resistor R
como salida.
Por relaciones fsicas es conocido que la evolucin de las distintas variables fsicas en
este circuito, tales como tensiones y corrientes, quedar definida en un futuro si se
conoce para un instante de tiempo tto , la corriente que fluye en el inductor L , la
tensin que exista sobre el capacitor C y la tensin de entrada desde to en adelante.
En base a la definicin que se ha dado de variables de estado es posible elegir a la
corriente en el circuito y a la tensin sobre el capacitor como variables de estado, ya
que stas definen el estado dinmico del circuito. La evolucin futura del estado
dinmico para tto se podr determinar si se conoce para tto las variables de estado i(t), vc(t)
y adems la tensin de entrada ve(t) para tto .
Para analizar la evolucin del circuito se pueden plantear las ecuaciones diferenciales
del mismo.
di
R
1
1
i v c ve
dt
L
L
L
1
i
dt
C
(3.7-1)
dvc
di/dt
dvc/dt
R/L 1/L
1/C
i
vc
1/L
0
ve .
(3.7-2)
x A x(t) b u(t)
con
A
R/L 1/L
1/C
, b
1/L
0
(3.7-3)
La matriz
(3.7-4)
con
(3.7-5)
x T(t) [i vc]
u(t) ve(t)
y(t) vr(t).
estando
(3.7-6)
Conociendo los parmetros ai del sistema, los valores de la variable de salida y sus
derivadas hasta la de orden n1 en tto
y(to), y(t
o), ..., y (n1)(to)
(3.7-7)
(3.7-8)
E
sistema Ec. 3.7-8 se puede expresar matricialmente como:
x1
x2
1 0
0 1
x1
x2
. .
a n . . a1 x
n
0
0
. .
.
.
xn
. .
. . u
.
.
(3.7-9)
x2
(3.7-11)
xn
y(t) c T x(t).
(3.7-12)
(3.7-13)
Siendo:
u:
y :
x:
A:
b:
c :
entrada al sistema
salida del sistema
vector de estado
Matriz del sistema
vector de entrada
vector de salida
(3.7-14)
siendo:
y(s) :
u(s) :
G(s) :
(3.7-15)
siendo
A:
B:
C:
(3.7-16)
monovariable.
Cuando el sistema a modelar es variante, las distintas matrices que lo representan
sern funcin del tiempo. En este caso las Ec. 3.7-16 toman la forma de las Ec. 3.7-17.
x(t)
A(t) x(t) B(t) u(t)
y(t) C(t) x(t) D(t) u(t).
(3.7-17)
t k To
para k 0,1,2...
(3.7-18)
(3.7-22)
diferencial Ec. 3.7-6, que condujo, con las distintas generalizaciones, a las ecuaciones
vectorial-matricial de estado Ec. 3.7-17.
Las ecuaciones de estado de tiempo discreto que modelan un sistema discreto
multivariable resultan de la forma:
x(k1) A(k)x(k) B(k)u(k)
y(k) C(k)x(k) D(k)u(k).
(3.7-23)
(3.7-24)
1
2 fmax
siendo fmax la frecuencia mxima del espectro de la seal, como qued establecido en
el punto 2.5, entonces no se pierde la informacin contenida en las seales continuas.
Esto implica que respetando el teorema de Shannon se puede construir un modelo de
estado de tiempo discreto que representa fielmente al proceso de tiempo continuo.
Es importante destacar que si bien las ecuaciones para modelos de estado de tiempo
continuo son similares a las de tiempo discreto, las matrices de coeficientes sern
distintas. Sin embargo, se puede establecer una equivalencia entre las matrices de
ambos modelos.
Los diseos de control moderno digital de estado, hacen uso de este ltimo modelo, por
9
(3.7-25)
Definiendo ahora
A (k) TA(k)T 1
C (k) C(k)T 1
(3.7-26)
B (k) TB(k)
D (k) D(k)
Estas dos ltimas ecuaciones son una representacin de estado para el mismo
proceso, obtenidas por transformacin lineal del modelo anterior con la misma entrada
10
y salida. Puesto que la nica restriccin para la matriz T es que sea no singular, se
pueden obtener infinitos modelos en el espacio de estado para el mismo proceso.
(3.7-27)
k 1,2,3...
j0
(3.7-28)
La Ec. 3.7-28 tiene dos partes: el primer sumando representa la contribucin al estado
inicial y la sumatoria la contribucin al estado actual de la secuencia de valores de la
entrada.
La matriz
(k) A k
(3.7-29)
11
(3.7-30)
Aplicando transformada a las Ec. 3.7-24 para condiciones iniciales nulas, se tiene
zx(z) A x(z) B u(z)
(3.7-31)
(3.7-32)
(3.7-33)
(3.7-34)
(3.7-35)
C adj(zI A) B D det(zI A)
.
det(zI A)
(3.7-36)
Por lo tanto los polos del modelo del proceso son los valores caractersticos o
autovalores de la matriz A .
12
b)
(3.7-37)
(3.7-38)
(3.7-39)
(3.7-40)
(3.7-41)
(3.7-42)
x(k)
x2(k)
x3(k)
.
.
xm1(k)
xm2(k)
.
xn(k)
x(kn)
x(k1)
x(k2)
.
.
x(km)
x(km1)
.
x(kn1)
u(k) anx(k) ...a1x(kn1) .
(3.7-43)
(3.7-44)
(3.7-45)
x1(k1)
1 0 ...
x1(k)
x2(k1)
0 1 ...
x2(k)
. . ...
. . ...
xn(k)
.
.
xn(k1)
. u(k)
(3.7-46)
y para 3.7-44
x1(k)
x2(k)
.
y(k) [bm bm1 b o 0 0]
.
xm1(k)
.
.
xn(k)
0
.
.
1 0
0 1
. .
b .
. .
an . . a1
1
14
(3.7-47)
c T [b m bm1 b0 0 0]
d [0].
b1
0 z2 0 ... 0
b2
A 0 0 z3 ... 0
.
. ... .
0 0 0 ... zn
b .
.
bn
15
0 0 0
a n
1 0 0 an1
A 0 1 0 an2
. . .
0 0 0
1
0
b 0
.
a1
c [c T b c T A n1 b]
0
0
.
1 0
0 1
. .
b 0
0 0
an . . a1
c T [bm bo 0 0]
0
A
0
0
.
1 0
0 1
c Tb
c TAb
. .
0 0
an . . an
b
.
.
c TA n1b
c T [1 0 0] .
16
a n
1 0 0 an1
A 0 1 0
. . .
0 0 0
bn
.
b .
a n
b1
c T [0 0 1] .
Estas formas cannicas son muy tiles puesto que permiten pasar de funciones de
transferencia a modelos de estado en forma inmediata ya que los coeficientes de
A, b, c T son los mismos que los de la funcin de transferencia.
Un caso importante de representacin se produce cuando el modelo de un proceso
presenta un retardo puro del modelo de tiempo continuo. En estas condiciones se
puede demostrar que la matriz A de la forma cannica controlable se convierte en
0
0
A
1 0
0 1
0 0
. .
. .
0 0
an . .
.
.
0
0
. .
. .
0 0
0 0
0
0
.
.
a1
0
.
.
0
0
0
0 0 0
0 0 0
0 0 0
. . .
. . .
1 0 0
0 1 0
. . .
. . .
0 0 1
0 0 0
estado cada una de las funciones de transferencia que componen la matriz para recin
entonces armar el modelo de estado. Para esto son importantes las estructuras
cannicas mencionadas en el punto 3.6.2 y su equivalente en el espacio de estado.
Para la forma cannica P se tiene
A11
A
A12
b12
0
.
b21
B
0
.
bs1
.
.
.
.
0
.
.
0
ces
D
.
.
d
.
.
b2e
0
. .
0 0
0
0
c2s
.
.
.
.
T
ce1
0
0 bs2 0
.
0
c21
b1e
b22
Ase
c11 c1s
0 0
C . .
. .
0 0
T
18
0
0
T
0
A12
0 0
b12c22
.
.
. .
.
0
0
A1s .
.
A21
0
T
b21c11
0
0
0
0
0 b22c21 A22
.
.
. .
.
0
0
0 0
0
T
A
.
T
be1c11
.
. .
.
0
0 0
. .
0 0
0
.
.
0
be2c22
.
0
0
0
0
.
.
0
.
0
0
T
b22c2s 0
.
.
A2s 0
.
.
.
.
Ae1
0
0
0
.
.
b
0
es
19
0
0
.
0 b1eces
0
0
.
0 b2eces
.
.
0
.
0
Ae2
0
.
ce1 Aes
T
Las matrices Aij y los vectores bij, cij corresponden a los modelos de estado de cada
una de las funciones de transferencia Gij , transformadas al espacio de estado segn
una forma cannica dada.
Como se puede observar el modelo de estado de un proceso multivariable obtenido a
partir de una estructura cannica de ninguna manera ser mnimo y por lo tanto se
deber aplicar algn algoritmo de reduccin de modelo para obtener un modelo sin
estados redundantes.
El estudio de reduccin de modelo constituye un aspecto muy especfico del control
moderno y supera los objetivos de este texto.
Ejemplo:
1 z 1
1
1
1 z 1
.
2
s
s (s 1)
s (s 1)
L
a
transformada de la parte continua se realiza descomponiendo la funcin en
fracciones parciales y utilizando una tabla de transformadas
20
1
s 2(s1)
1
s2
T0z 1
1 2
(1z )
Tomando e
resulta
G(z)
T0
1
1
s
s1
1
1z 1
1
1e 0z 1
T
T0z 1
1z 1
1
1z 1
1az 1
0,368 z 1 0,264 z 2
b1z b2
y(z)
0,368 z 0,264
.
u(z) (z 1)(z 0,368) z 2 a1z a2
x1(k) x(k)
x1(k1) x2(k) x(k1)
x2(k1) x(k2) u(k) a1x(k1) a2x(k)
x1(k)
0
1
u(k)
(3.7-48)
y para la salida
y(k) b2 b1
x1(k)
x2(k)
.
(3.7-49)
Las Ec. 3.7-48 y Ec. 3.7-49 modelan el sistema en el espacio de estado. En forma
compacta resulta
x(k1) A x(k) b u(k)
y(k) c T x(k)
(3.7-50)
siendo x(k) el vector de estado, A la matriz del sistema y b, c los vectores de entrada
y salida respectivamente. Estos se definen como
x(k)
b
x1(k)
x2(k)
0
1
A
a2 a1
c T b2 b1
22
Las formas de las matrices del modelo de estado pertenecen al tipo cannica
controlable.
Dado que la salida del sistema es segn la Ec. 3.7-24 para entrada nula,
y(k) C x(k)
0 z2 0
k
.
xn(k)
x2(0)
0 zn
xn(0)
23
3.7.10. Controlabilidad.
Un sistema definido por las ecuaciones de estado Ec. 3.7-23 se dice que es
completamente controlable, si existe una secuencia realizable de control u(k) que
pueda transferir el estado del sistema desde un valor inicial x(0) hasta un estado final x(N)
en un nmero finito de pasos N .
Por razones de simplicidad algebraica se hace el anlisis de controlabilidad para un
sistema monovariable, los resultados obtenidos son fcilmente extensibles a un sistema
multivariable. Para el sistema monovariable la Ec. 3.7-28 toma la forma
x(k) A k x(0) A kj1 b u(j).
k1
j0
(3.7-51)
(3.7-52)
(3.7-53)
La matriz
24
(3.7-54)
se denomina matriz de controlabilidad. Para que um pueda ser determinado, esta
matriz no debe tener columnas o filas linealmente dependientes. Para que el sistema
sea controlable se debe cumplir entonces
Rango Qc m.
Para N < m no existe una solucin para uN . Si N > m existen soluciones no nicas.
Para procesos multivariables se hacen los mismos razonamientos y la matriz de
controlabilidad queda definida por
Qc [B AB A m1B] .
(3.7-56)
3.7.11. Observabilidad
Un sistema lineal con salida y(k) se denomina observable si cualquier estado x(k) del
mismo, puede ser determinado a partir de un nmero finito de valores de la salida y(k) .
Se hace aqu un anlisis del concepto de observabilidad para un sistema monovariable.
Las ecuaciones que modelan el sistema en el espacio de estado son:
x(k1) A x(k) b u(k)
y(k) c T x(k) .
(3.7-57)
c T x(k)
c T A x(k) c T b u(k)
c T A 2 x(k) c T Abu(k) c T b u(k1)
(3.7-58)
donde
(3.7-59)
Si se conocen todas las componentes del vector uN , para determinar en forma unvoca
las componentes del vector x(k) de orden m , se requieren m ecuaciones. Esto implica
que debe ser N m y el sistema de Ec. 3.7-58 toma la forma:
25
ym Qo x(k) S um
con
(3.7-60)
S .
0
c Tb
.
0 c Tb c TAb c TA m2b
El vector de estado observado se puede calcular como:
x(k) Qo ym S u m .
1
(3.7-61)
Rango Qo m
(3.7-62)
26
(3.7-63)
(3.7-64)
(3.7-65)
(3.7-66)
27